Guía de OCR: convierte documentos escaneados en texto
Cómo hacer que los PDF escaneados y las fotos se puedan buscar y copiar: qué da buenos resultados y dónde se equivoca el OCR.
¿Qué es el OCR?
El OCR (reconocimiento óptico de caracteres) reconoce las letras de una imagen y las convierte en texto real. Un PDF que sale de un escáner o de un móvil es en realidad una foto de la página: no puedes buscar en él ni copiar su texto. El OCR lee lo que está escrito en esa foto y añade al documento una capa de texto seleccionable.
¿Tu documento necesita OCR?
Abre el PDF e intenta seleccionar una palabra con el ratón. Si puedes, el documento ya contiene texto; usa directamente PDF a texto o PDF a Word. Si no puedes, o la búsqueda no encuentra nada, la página es una imagen y necesita OCR.
Consejos de escaneo para obtener buenos resultados
La mayor parte de la precisión del OCR depende de la imagen de origen:
- Escanea a 300 DPI; por debajo de 150 DPI las letras pequeñas se confunden.
- Mantén la página plana y recta; con el móvil, alinea la página con el encuadre.
- Usa una luz uniforme, sin sombras ni reflejos.
- En documentos con fondo de color, la escala de grises suele funcionar mejor.
- Elige el idioma correcto: las letras con acento se leen mal cuando el idioma seleccionado no es el adecuado.
¿PDF con búsqueda o texto sin formato?
Un PDF con búsqueda conserva la página exactamente como se ve y le añade detrás una capa de texto invisible; es lo mejor para archivar, firmar electrónicamente y hacer trámites oficiales. Extraer el texto sin formato te da solo las palabras, lo que es práctico para citar, traducir o editar.
¿Dónde se equivoca el OCR?
Ningún OCR está libre de errores. Revisa el resultado sobre todo en estos casos:
- Letra manuscrita (mucha menos precisión que con texto impreso)
- Letra muy pequeña, fotocopias desvaídas o calidad de fax
- Tablas complejas y maquetaciones de varias columnas (el orden de las líneas puede mezclarse)
- Confusión entre números y letras: 0/O, 1/l/I, 5/S
Resultados esperados según el origen
La tabla resume qué esperar y qué hacer en las situaciones más habituales.
| Origen | Precisión esperada | Consejo |
|---|---|---|
| Escaneo limpio a 300 DPI | Muy alta | Aplica el OCR directamente |
| Foto con el móvil (buena luz) | Alta | Fotografía la página plana y recorta los bordes |
| 150 DPI o fotocopia desvaída | Media | Vuelve a escanear a 300 DPI si puedes |
| Revista / periódico de varias columnas | Media | Revisa las columnas |
| Letra manuscrita | Baja | Corrige siempre el resultado a mano |
Herramientas para hacerlo
Preguntas frecuentes
¿Se reconocen los caracteres con acento?
Sí, cuando se selecciona el idioma de OCR correcto. Con el idioma equivocado, las letras con acento son los errores más habituales.
¿Puedo convertir letra manuscrita en texto?
En parte. La letra manuscrita clara y separada se puede leer, pero la precisión es claramente menor que con texto impreso; revisa siempre el resultado.
¿El OCR cambia el aspecto del documento?
No en un PDF con búsqueda: la imagen de la página se queda tal cual y solo se añade detrás una capa de texto invisible.
¿Se envía mi documento a un servidor?
En Pixebag, el OCR se ejecuta en tu navegador, en tu propio dispositivo; el documento nunca se sube. Eso es importante con documentos sensibles como identificaciones y contratos.
¿Qué resolución es suficiente?
300 DPI es lo ideal para texto normal. Para letra de menos de 8 pt funcionan mejor 400 DPI; 600 DPI normalmente solo hace el archivo más grande.